意外行爲

Question

當使用numpy的命名陣列我觀察在以下兩種情況下不同的行爲：

1. 情況下：首先使用用於高級切片索引陣列，然後通過選擇一個子陣列命名
2. 情況下：第一選擇由名稱的子陣列，然後使用先進的索引陣列切片

的follwing代碼提出的實施例

import numpy as np 

a = np.ones(5) 
data = np.array(zip(a, a, a), dtype=[("x", float), ("y", float), ("z", float)]) 

# case 1 
# does not set elements 1, 3 and 4 of data to 22 
data[[1, 3, 4]]["y"] = 22  
print data["y"] # -> [ 1. 1. 1. 1. 1.] 

# case 2 
# set elements 1, 3 and 4 of data to 22 
data["y"][[1, 3, 4]] = 22 
print data["y"] # -> [ 1. 22. 1. 22. 22.] 

兩個打印命令的輸出是 [1.1.1.1.1]和[1.22.1 22. 22.]。爲什麼在設置元素時改變選擇的順序會導致不同的結果？

Answer 1

索引與列表或陣列always returns a copy rather than a view：

In [1]: np.may_share_memory(data, data[[1, 3, 4]]) 
Out[1]: False 

因此分配data[[1, 3, 4]]["y"] = 22被修改拷貝的data[[1, 3, 4]]，並且在data原始值不會受到影響。

在另一方面，參照結構化陣列returns a view的字段：

In [2]: np.may_share_memory(data, data["y"]) 
Out[2]: True 

所以分配給data["y"][[1, 3, 4]]將影響data的相應的元件。